Predictive Handover Optimization

In the future cellular networks, there will be cell densification, in which cells are becoming smaller. For this reason, the number of handovers that a moving User Equipment (UE) faces increases significantly if a conventional handover decision scheme is used. The increased number of handovers causes more signaling overhead for the network. Further- more, the Handover Failure (HOF)s due to the serving or target cell’s low signal quality will also increase. So it is very important to decrease the number of handovers and HOFs, So the UE can transmit and receive data with more sophisticated Modulation and Coding Schemes (MCS) and achieve a higher data rate. The advances in Machine Learning (ML) and Artificial Intelligence (AI) research open up the door for prediction techniques of channel state information. The predicted channel state information can be used to decrease the number of handovers and HOFs. This thesis focuses on a handover optimization scheme that relies on predicted channel state information to minimize the number of HOFs and unnecessary handovers while maintain- ing the signal quality as high as possible. The proposed scheme assigns UE to one cell at each time step by posing an Integer Programming (IP) optimization problem. The performance of solutions to the original IP problem with solutions to its Linear Program- ming (LP) relaxation is compared. The proposed scheme is evaluated using the ns3-ai simulator with the help of the SUMO simulator using a map of Berlin.

Nelle reti cellulari del futuro, si avrà una densificazione delle celle, le quali diventaranno più piccole. Per questa ragione, se si utilizza uno schema di decisione di handover con- venzionale, il numero di handover che un UE in movimento deve affrontare, aumenterà significativamente. L’aumentare dei handover, potrà causare un maggiore overhead di segnalazione per la rete. Inoltre, per via della scarsa qualità del segnale della cella di servizio o di destinazione, potranno aumentare anche i HOF. Pertanto, è molto impor- tante ridurre il numero di handover e HOF, in modo tale per cui l’UE possa trasmettere e ricevere dati con MCS più sofisticati e inoltre possa raggiungere una velocità di trasmis- sione più elevata. Gli sviluppi nella ricerca di ML e AI aprono la strada a tecniche di previsione delle in- formazioni sullo stato del canale. Le informazioni sullo stato del canale previste, possono essere utilizzate per ridurre il numero di handover e HOFs. Questa tesi si concentra su uno schema di ottimizzazione dell’handover che si basa sulle informazioni previste sullo stato del canale per ridurre al minimo il numero di HOFs e handover non necessari, mantenendo la qualità del segnale il più alta possibile. Il metodo proposto assegna l’UE ad una cella in ogni intervallo di tempo mediante la formulazione di un problema di ottimizzazione IP. Le soluzioni al problema originale IP vengono confrontate con le soluzioni alla sua relazione di rilassamento LP per valutare le prestazioni del metodo proposto. Lo schema proposto è valutato utilizzando il simulatore ns3-ai con l’aiuto del simulatore SUMO utilizzando una mappa di Berlino.